[發(fā)明專利]一種基于統(tǒng)計顯著性能快速識別基因組轉(zhuǎn)錄因子結(jié)合位點的系統(tǒng)

無效

• 申請?zhí)枺?/td>: 201210157108.2
• 申請日: 2012-05-21
• 公開（公告）號: CN103425900A
• 公開（公告）日: 2013-12-04
• 發(fā)明（設(shè)計）人: 單杲
• 申請（專利權(quán)）人: 上海聚類生物科技有限公司
• 主分類號: G06F19/20
• 分類號: G06F19/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

?

技術(shù)領(lǐng)域

本發(fā)明屬于基因工程領(lǐng)域，尤其涉及到一種統(tǒng)計顯著性開發(fā)的快速識別基因組轉(zhuǎn)錄因子結(jié)合位點的系統(tǒng)。

?

背景技術(shù)

預(yù)測序列模體是生物學(xué)家研究調(diào)控的主要挑戰(zhàn)。這是一個十分經(jīng)典的問題。因此有許多軟件針對這個問題而開發(fā)。通俗地講，他們能分類到三種類型?的模體檢測。(1)?統(tǒng)計顯著性，如YMF,?MDscan.?(2)?Gibbs?抽樣，例如?Gibbs?抽樣器,?MotifSampler,?SesiMCMC,?GAME,?Improbizer?以及?GibbsScan?有些工具有更復(fù)雜的策略,例如著名的工具?MEME。

在轉(zhuǎn)錄調(diào)控研究的過程中,?我們注意到的轉(zhuǎn)錄因子的結(jié)合位點的一些基于一致輸出的模體是相當(dāng)困難的,有些基于?PWM?表示這些類型相當(dāng)?shù)睦_生物學(xué)家,?如果我們開始進一步地研究模體的輸出,到整個基因啟動子的反式作用元件,那樣會包含相當(dāng)多的假陽性,?來使用生物學(xué)研究,我們不得不花費大量的時間調(diào)節(jié)參數(shù)到我們希望的結(jié)果.。

出于一種簡單的考慮,?我們開始一個簡單的程序,只關(guān)注種子而不是PWM?的一致序列.我們的目的是找到啟動子序列來迭代地構(gòu)建一致序列或?PWM.?我們希望軟件能真正服務(wù)我們的反式作用元件,?所以我們并不十分關(guān)心如何找到模體,而是關(guān)注我們的模體如何地進行調(diào)控分析。

這里有另外的三個問題需要我們考慮模體的輸出：(1)?我們?nèi)绾巫R別已知的模體,?(2)?我們?nèi)绾嗡阉魑覀兊哪ｓw,使在全基因組搜索保存低假陽性率:?(3)?我們?nèi)绾握嬲档湍ｓw的冗余。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一個基于統(tǒng)計顯著性的K串法預(yù)測基因組的轉(zhuǎn)錄因子結(jié)合位點的分析方案，旨在解決轉(zhuǎn)錄因子結(jié)合位點的全基因組預(yù)測的快速解決的問題。

?本發(fā)明是這樣實現(xiàn)的，所述方法包括如下幾個步驟：

???對基因組的給定的基因組啟動子序列統(tǒng)計顯著性計算，設(shè)置基本的統(tǒng)計顯著性指標(biāo)，P值和Z值，統(tǒng)計具有統(tǒng)計顯著性的字符串。

????對于已得到到統(tǒng)計顯著性K串,?利用編輯距離進行聚類，得到鄰近K串的幾個聚類信息。

????接著，利用自適應(yīng)迭代算法計算每個聚類能生成權(quán)重矩陣，實現(xiàn)自動設(shè)置權(quán)重矩陣模型參數(shù)的解決方案。

???該發(fā)明的另一個特點是能夠?qū)崿F(xiàn)系統(tǒng)自動調(diào)整權(quán)重矩陣的邊界問題，我們篩選了一個自動迭代的算法過程，用于自動調(diào)整權(quán)重矩陣的邊界問題，保持權(quán)重矩陣以中心為高顯著性位置，兩側(cè)為低顯著性位置的排布，把權(quán)重矩陣的中心化完美的實現(xiàn)出來，大大提高了權(quán)重矩陣的比對和有利于轉(zhuǎn)錄因子表示的標(biāo)準(zhǔn)化過程的實現(xiàn)。

????本發(fā)明的再一個目的在于，我們開發(fā)了一套計算精確二階度矩的計算方法，它可以有效提供統(tǒng)計顯著性的精確值。

????該統(tǒng)計顯著性的二階矩的計算模型是通過構(gòu)建隱馬爾科夫模型的自交迭迭代算法計算獲得，具有線性算法的一般規(guī)律，計算復(fù)雜性很低。因此，具有快速實現(xiàn)結(jié)果預(yù)測的良好作用，是本發(fā)明研究的一個特點。

附圖說明

圖1，程序預(yù)測的基本流程示意圖

圖2，程序設(shè)計界面顯示圖

具體實施方式

????根據(jù)上面的要求,我們開始了相應(yīng)的程序的開發(fā)和Tampa的YMF相似,我們計算統(tǒng)計顯著性,利用的是一個線性算法,我們同樣也關(guān)注枚舉方法的統(tǒng)計顯著性字,產(chǎn)生的模體用Z值分類,其中W是給定的字,我們考慮字W的計數(shù),?Ew是從背景中計算期望,δw是字W的標(biāo)準(zhǔn)方差,?Z值越大表示越顯著.

??????我們的模體檢測框架,來保持我們預(yù)測結(jié)果的穩(wěn)定和可控.在很多情況下,?他是讓我們很難聯(lián)系實際問題,?這里有一些我們方法的特征.

???????對每個字串計算Z值,而不是針對沃森-克里克互補配對

???????背景概率的馬爾科夫可變

???????嚴格的期望與方差的計算,而不是近似

???????利用編輯距離對冗余的顯著字串聚類

???????自動搜索模體的側(cè)翼邊界